Tác vụ Trình nhúng văn bản MediaPipe cho phép bạn tạo bản trình bày dạng số của dữ liệu văn bản để nắm bắt ý nghĩa ngữ nghĩa. Những hướng dẫn này cho bạn biết cách sử dụng Trình nhúng văn bản cho các ứng dụng web và JavaScript.
Để biết thêm thông tin về các tính năng, mô hình và lựa chọn cấu hình của nhiệm vụ này, hãy xem phần Tổng quan.
Ví dụ về mã
Mã mẫu cho Trình nhúng văn bản cung cấp cách triển khai hoàn chỉnh tác vụ này trong JavaScript để bạn tham khảo. Mã này giúp bạn kiểm thử tác vụ này và bắt đầu xây dựng ứng dụng nhúng văn bản của riêng mình. Bạn có thể xem, chạy và chỉnh sửa mã mẫu Trình nhúng văn bản chỉ bằng trình duyệt web.
Thiết lập
Phần này mô tả các bước chính để thiết lập môi trường phát triển và viết mã cho các dự án dành riêng cho việc sử dụng Trình nhúng văn bản. Để biết thông tin chung về cách thiết lập môi trường phát triển nhằm sử dụng các tác vụ của MediaPipe, bao gồm cả yêu cầu về phiên bản nền tảng, hãy xem Hướng dẫn thiết lập dành cho web.
Gói JavaScript
Mã Trình nhúng văn bản hiện có sẵn trong gói @mediapipe/tasks-text. Bạn có thể tìm và tải các thư viện này xuống qua các đường liên kết trong Hướng dẫn thiết lập của nền tảng.
Bạn có thể cài đặt các gói bắt buộc có mã sau đây để thử nghiệm cục bộ bằng cách dùng lệnh sau:
npm install @mediapipe/tasks-text
Nếu muốn triển khai cho một máy chủ, bạn có thể sử dụng dịch vụ của mạng phân phối nội dung (CDN), chẳng hạn như jsDelivr để thêm mã trực tiếp vào trang HTML của mình, như sau:
<head>
<script src="https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/index.js"
crossorigin="anonymous"></script>
</head>
Mẫu
Tác vụ Trình nhúng văn bản MediaPipe cần có một mô hình đã qua huấn luyện tương thích với tác vụ này. Để biết thêm thông tin về các mô hình đã huấn luyện hiện có cho Trình nhúng văn bản, hãy xem tổng quan về tác vụ phần Mô hình.
Chọn và tải một mô hình xuống, sau đó lưu trữ trong thư mục dự án của bạn:
<dev-project-root>/app/shared/models
Tạo việc cần làm
Sử dụng một trong các hàm createFrom...() của Trình nhúng văn bản để chuẩn bị tác vụ chạy thông tin dự đoán. Bạn có thể sử dụng hàm createFromModelPath() với đường dẫn tương đối hoặc tuyệt đối đến tệp mô hình đã huấn luyện. Ví dụ về mã bên dưới minh hoạ cách sử dụng hàm createFromOptions(). Để biết thêm thông tin về các lựa chọn cấu hình hiện có, hãy xem phần Lựa chọn cấu hình.
Mã sau đây minh hoạ cách tạo và định cấu hình tác vụ này:
async function createEmbedder() {
const textFiles = await FilesetResolver.forTextTasks("https://cdn.jsdelivr.net/npm/@mediapipe/tasks-text@latest/wasm/");
textEmbedder = await TextEmbedder.createFromOptions(
textFiles,
{
baseOptions: {
modelAssetPath: `https://storage.googleapis.com/mediapipe-tasks/text_embedder/universal_sentence_encoder.tflite`
},
quantize: true
}
);
}
createEmbedder();
Các lựa chọn về cấu hình
Tác vụ này có các lựa chọn cấu hình sau đây dành cho ứng dụng Web và JavaScript:
| Tên lựa chọn | Nội dung mô tả | Khoảng giá trị | Giá trị mặc định |
|---|---|---|---|
l2Normalize |
Liệu có chuẩn hoá vectơ tính năng được trả về với chuẩn L2 hay không. Chỉ sử dụng lựa chọn này nếu mô hình chưa chứa thành phần TFLite Op L2_NORMALIZATION gốc. Trong hầu hết các trường hợp, trường hợp này đã được chuẩn hoá và do đó, việc chuẩn hoá L2 có thể đạt được thông qua khả năng dự đoán TFLite mà không cần đến tuỳ chọn này. | Boolean |
False |
quantize |
Liệu hoạt động nhúng được trả về có phải được lượng tử hoá thành byte thông qua lượng tử hoá vô hướng hay không. Các hoạt động nhúng được ngầm giả định là chuẩn đơn vị và do đó, mọi thứ nguyên đều đảm bảo có giá trị trong [-1.0, 1.0]. Hãy sử dụng tuỳ chọn l2normalize nếu bạn không thấy như vậy. | Boolean |
False |
Chuẩn bị dữ liệu
Trình nhúng văn bản hoạt động với dữ liệu văn bản (string). Tác vụ này sẽ xử lý tiền xử lý dữ liệu đầu vào, bao gồm cả việc mã hoá và tiền xử lý tensor. Mọi quá trình xử lý trước đều được xử lý trong hàm embed. Bạn không cần phải xử lý thêm văn bản nhập trước.
const inputText = "The input text to be embedded.";
Chạy tác vụ
Trình nhúng văn bản sử dụng hàm embed để kích hoạt thông tin dự đoán. Đối với hoạt động nhúng văn bản, điều này có nghĩa là trả về các vectơ nhúng cho văn bản đầu vào.
Mã sau đây minh hoạ cách thực thi quá trình xử lý bằng mô hình tác vụ.
// Wait to run the function until inner text is set
const embeddingResult = textEmbedder.embed(
inputText
);
Xử lý và hiển thị kết quả
Trình nhúng văn bản sẽ xuất ra một TextEmbedderResult chứa danh sách các lượt nhúng (dấu phẩy động hoặc lượng tử vô hướng) cho văn bản đầu vào.
Sau đây là ví dụ về dữ liệu đầu ra của nhiệm vụ này:
TextEmbedderResult:
Embedding #0 (sole embedding head):
float_embedding: {0.2345f, 0.1234f, ..., 0.6789f}
head_index: 0
Bạn có thể so sánh mức độ tương đồng về mặt ngữ nghĩa của 2 cách nhúng bằng cách sử dụng hàm TextEmbedder.cosineSimilarity. Hãy xem mã ví dụ sau đây.
// Compute cosine similarity.
const similarity = TextEmbedder.cosineSimilarity(
embeddingResult.embeddings[0],
otherEmbeddingResult.embeddings[0]);
Mã ví dụ về Trình nhúng văn bản minh hoạ cách hiển thị kết quả của trình nhúng mà tác vụ trả về. Hãy xem ví dụ về mã để biết thông tin chi tiết.